最近，脑洞大开的外国人用 DALL·E 和 Imagen 对“中西结合”玩得不亦乐乎。

继“虎戴VR”之后，我国古代军事家孙武又成了新的整活目标。

测试者给DALL·E出了一道题：

(资料图)

让孙武玩《魔兽争霸II》游戏。

谁能想到，公元2022年，春秋时期的孙子竟在电脑上玩起了《魔兽争霸II》。

整幅画面居然挺和谐，还颇具 东方味 。

这应该是因为DALL·E跟据输入了限定词：Oriental Painting （东方绘画） ，确定了画风。

不过，这怎么看出来他玩得的就是《魔兽争霸II》？恐怕还需各位发挥一下想象力了。 （手动狗头）

对于输入的同一段文字，DALL·E还给出了其他版本。

这幅图中，还体现出孙子军事家的特征。

坐在电脑前玩游戏或许还不够刺激，再把孙武设定为魔兽世界里的一个角色试试：

DALL·E不仅完成了，还还对图像进行了3D渲染。 （虽然些图片并非都有魔兽游戏的界面）

网友惊叹：这个AI居然知道魔兽世界的角色长什么样！

下面说说这个“AI画师”是怎么进行创作的。

DALL·E工作原理

DALL·E本质上就是一个被120亿个参数重新训练过的GPT-3。

其 核心 模块是OpenAI的 CLIP 。

这是一个在各种图像、文本上训练的神经网络，负责给输入图像打分并重新排序。

其实，DALL·E在“创作”过程中生成了大量的图片。在这些图像中，和文本匹配度越高的，CLIP给的评分越高。

至于CLIP怎么分析图文匹配度？这离不开其将图片和文字“融合”理解的能力。

而这个能力归功于它的多模态神经元，具有和人脑类似的工作机制： 能够对文字和图像中的相同意思同时作出响应 。

最终，评分前几名的图片会作为输出呈现出来。 （这解释了为什么输入同一段文字可以生成多张图像）

有人提出，不妨将CLIP和GAN结合起来，实现更强的功能：

让CLIP计算出图像与文字描述的相似度得分，然后反馈给GAN，让GAN以提升分数为目标不断迭代。

二代DALL·E结合了CLIP和扩散模型两种技术的特点。

其中，扩散模型在牺牲多样性的前提下，可以大大提升生成图像的逼真度。

CLIP文本嵌入首先会被传送给自然回归或者扩展先验，以产生一个图像嵌入。

然后，这个嵌入会被用来调节扩展编码器，以生成最终的图像。也就是说，图像生成是在“扩散”过程中完成的。

和初代相比，DALL·E 2生成图像的时间更短，图像分辨率更高。

此外，DALL·E 2在“绘图”过程中还会考虑阴影、反射、纹理等因素的变化。

例如：在左图的位置“1”放一个沙发，DALL·E 2会根据已有信息分析光线方向，并画出阴影。

DALL·E的“奇葩”作品欣赏

DALL·E 2官方在Instagram上展出了许多程序员和工程师们创作的“奇葩”画像。

有古罗马版蜘蛛侠。 （第二张真是绝了）

Spider-Man from Ancient Rome

耶稣骑恐龙画像。 （耶稣看了都要直呼好家伙）

Jesus Christ wielding a samurai sword and riding on the back of a velociraptor, painting

小动物穿皮衣、戴墨镜的4K高清图。 （这年头，看动物都觉得眉清目秀）

A photo of a cool

wearing sunglasses and a leather jacket, 4k

一只运动喵在新闻发布会上向记者解释它的最新丑闻的照片。

超现实主义作品。

Remembrance of nostalgia, surrealist painting

以及赛博朋克风爱情小说封面。 （那小说内容是不是可以 直接 让GPT-3写了？）

The cover of a cyberpunk romance novel

除此之外，还有利用文字差异，对iPhone复古化的动图。

One More Thing：用DALL·E改商标

除了用DALL·E 2画画外，还有一位研究员Janelle Shane使用这个工具试着为各大公司设计新商标。

来看看有没有你中意的吧——

DALL·E 2必胜客设计的LOGO长这样：

下面是DALL·E 2为汉堡王设计的LOGO：

还有为NASA设计的LOGO：

目前DALL·E还在大量数据测试训练中，且存在一定的道德挑战等因素，尚未正式向公众开放。

官方表示，有兴趣尝试者，可以报名并等待邀请。

不过大伙儿可以去DALL·E官网选择给定的关键词来玩玩。

例如，选择：“一个宇航员”、“在太空中的热带度假村躺着”，然后确定画风：“逼真”。

DALL·E就能根据命题画出几幅作品。

别说，还真有“太空度假村”那味儿了。

如果让你把天马行空的想法放进一张图里，你打算怎么创作？